Le test t, ou test de Student, est un outil statistique inférentiel fondamental utilisé pour déterminer si la différence entre les moyennes de deux groupes est statistiquement significative. Il s'applique typiquement à des échantillons issus d'une distribution normale, avec des variances potentiellement inconnues, comme dans l'analyse de résultats d'expériences (ex. : lancer une pièce 100 fois).
Ce test évalue la statistique t, les valeurs de la distribution t et les degrés de liberté pour tester une hypothèse sur une population. Pour comparer trois moyennes ou plus, préférez l'analyse de variance (ANOVA).
Le test t permet de comparer les moyennes de deux échantillons pour vérifier s'ils proviennent de la même population. Par exemple, en comparant les notes de deux classes ou l'efficacité d'un médicament versus un placebo, des variations mineures sont attendues en raison de l'échantillonnage.
Mathématiquement, on pose l'hypothèse nulle (H₀ : moyennes égales), calcule la statistique t via des formules standard, et la compare à une valeur critique pour accepter ou rejeter H₀. Si rejetée, la différence est significative et non due au hasard.
Le test t convient aux petits échantillons ; pour de grands volumes, utilisez le test z. D'autres tests comme chi² ou F complètent l'analyse multivariée.
Il existe trois variantes : test t corrélé (dépendant) et deux tests t indépendants (variances égales ou inégales).
Dans un essai pharmaceutique, un groupe placebo gagne 3 ans d'espérance de vie moyenne, le groupe traité 4 ans. Est-ce significatif ou dû au hasard ? Le test t tranche.
De même, classe A : moyenne 85 % (σ=3 %), classe B : 87 % (σ=4 %). La variabilité naturelle pourrait expliquer la différence ; le test t confirme.
Clés : différence des moyennes, écarts-types, tailles d'échantillons. La valeur t calculée se compare à une table de distribution t (unilatérale ou bilatérale) pour évaluer la significativité (p-value < α, souvent 5 %).
Logiciels comme Excel facilitent les calculs.
Valeur t = (différence moyennes) / variabilité intra-groupes. Valeur t élevée = groupes différents ; faible = similaires.
Degrés de liberté (df) = nombre de valeurs libres de variation, basé sur la taille des échantillons.
Pour paires liées ou mesures répétées (ex. : avant/après traitement). Formule :
T = (moyenne₁ - moyenne₂) / [s(diff) / √n]
où : moyenne₁,₂ = moyennes des échantillons ;
s(diff) = écart-type des différences appariées ;
n = nombre de paires ; df = n-1.
Les tests indépendants suivent pour échantillons non liés.
Quand tailles similaires et variances égales. Formule valeur t :
T = (moyenne₁ - moyenne₂) / { s² pooled × √(1/n₁ + 1/n₂) }
où s² pooled = [(n₁-1)var₁ + (n₂-1)var₂] / (n₁ + n₂ - 2) ;
df = n₁ + n₂ - 2.Pour tailles et variances différentes. Formule valeur t :
T = (moyenne₁ - moyenne₂) / √(var₁/n₁ + var₂/n₂) ;
df ≈ formule complexe (voir table ou logiciel).
Utilisez cet organigramme basé sur appariement, tailles et variances.
Diagonales de peintures (groupe 1 : n=10, moyenne=19.4, écart-type=1.4 ; groupe 2 : n=20, moyenne=21.6, écart-type=17.1).
| Groupe 1 | Groupe 2 | |
|---|---|---|
| Données | 19.7, 20.4, 19.6, 17.8, 18.5, 18.9, 18.3, 18.9, 19.5, 21.95 | 28.3, 26.7, 20.1, 23.3, 25.2, 22.1, 17.7, 27.6, 20.6, 13.7, 23.2, 17.5, 20.6, 18, 23.9, 21.6, 24.3, 20.4, 23.9, 13.3 |
| Moyenne | 19.4 | 21.6 |
| Écart-type | 1.4 | 17.1 |
Valeur t = 2.248 (absolue), df=24. Table t (5%, df=24) = 2.064. Puisque 2.248 > 2.064, rejeter H₀ : différences significatives.
[]